景 娟

（晉能控股煤業(yè)集團挖金灣煤業(yè)公司，山西 大同 037000）

0 引 言

隨著國家關(guān)于安全生產(chǎn)的重視，煤礦企業(yè)對于安全監(jiān)控預(yù)警系統(tǒng)的投入和研發(fā)支出加大。傳統(tǒng)的安全預(yù)警存在預(yù)警信息單一，預(yù)警遲緩等問題。對于煤礦井下存在的安全問題不能及時發(fā)現(xiàn)和排除，缺少可靠的預(yù)警信息[1-2]。煤礦井下的安全生產(chǎn)一定是以預(yù)測作為重要的手段，把能夠采取的措施在災(zāi)難發(fā)生之前開展。對于礦井可能的災(zāi)害建立一定的模型，預(yù)測其發(fā)生。引入大數(shù)據(jù)概念，挖掘不同數(shù)據(jù)之間的聯(lián)系，從瓦斯泄露、礦井水、火災(zāi)、礦井頂板災(zāi)害等事故預(yù)防結(jié)合，提高煤礦井下安全水平。在預(yù)警系統(tǒng)中，引入大數(shù)據(jù)概念，結(jié)合礦井可能存在的危害，進行報警處理，降低風(fēng)險的發(fā)生。

1 大數(shù)據(jù)與礦井災(zāi)害

1.1 大數(shù)據(jù)概述

大數(shù)據(jù)（Big Data）屬于抽象概念，關(guān)于大數(shù)據(jù)的定義：一種龐大的、超出傳統(tǒng)數(shù)據(jù)分析能力范圍的數(shù)據(jù)集合[3]。開展大數(shù)據(jù)分析能夠找到事務(wù)之間的聯(lián)系，用于工業(yè)生產(chǎn)和實際生活中，開展大數(shù)據(jù)分析能夠獲得良好的效果。

1.2 礦井災(zāi)害大數(shù)據(jù)特性

煤礦生產(chǎn)過程中，由于煤礦的開采工作會導(dǎo)致大量的其他和固體，產(chǎn)生大量的數(shù)據(jù)和各種參數(shù)。礦井參數(shù)包括瓦斯?jié)舛?、風(fēng)速、井下壓力、CO 含量、礦井溫濕、煙霧等環(huán)境參數(shù)。煤礦井下不僅包括環(huán)境參數(shù)，還包括設(shè)備參數(shù)，煤炭生產(chǎn)量、礦儲位、瓦斯抽采量、水倉水位、風(fēng)機風(fēng)壓、帶式輸送機開停等機電設(shè)備參數(shù)。與礦井災(zāi)害相關(guān)的數(shù)據(jù)量巨大且種類繁多，與大數(shù)據(jù)的5V 特性吻合，即大量、多樣、高速、價值、真實。分析這些數(shù)據(jù)所包含的信息及數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，可得到礦井安全狀況、災(zāi)害發(fā)生的預(yù)兆及其影響因素。

2 礦井災(zāi)害大數(shù)據(jù)預(yù)警模型

2.1 基于大數(shù)據(jù)的礦井災(zāi)害預(yù)警

煤礦井下不同的災(zāi)害在發(fā)生時，會產(chǎn)生各種不安全的因素和生成物，這些物體的產(chǎn)生很難察覺。采用大數(shù)據(jù)技術(shù)對煤礦井下的各種災(zāi)害的發(fā)生源進行研究。大數(shù)據(jù)技術(shù)為這方面研究提供了研究方法，通過數(shù)據(jù)挖掘追求各因素存在的相關(guān)關(guān)系，以分析數(shù)據(jù)與過往實例進行對比研究，得出結(jié)論，最終達到研究目的-災(zāi)害預(yù)測。

基于大數(shù)據(jù)的礦井災(zāi)害預(yù)警，將大數(shù)據(jù)與礦井災(zāi)害預(yù)防機理結(jié)合，對煤礦所產(chǎn)生的各種數(shù)據(jù)進行收集和處理。數(shù)據(jù)處理完畢后，將其與以往收集的事故發(fā)生時的各類數(shù)據(jù)進行相關(guān)比較。通過對比，找出不同參數(shù)大小可能引發(fā)的災(zāi)難，設(shè)定一定的參數(shù)預(yù)警，從而實現(xiàn)煤礦井下安全預(yù)警。根據(jù)礦井各災(zāi)害的不同特點，對數(shù)據(jù)模型進行設(shè)計和預(yù)警，考慮災(zāi)害的發(fā)生，進行大數(shù)據(jù)預(yù)測。礦井災(zāi)害預(yù)測，這要求在設(shè)計災(zāi)害預(yù)警模型時，全面考慮災(zāi)害的情況發(fā)生，進行災(zāi)害預(yù)警。

2.2 基于大數(shù)據(jù)的煤與瓦斯預(yù)警模型

在煤礦井下瓦斯突然發(fā)生事故前，一般會有一定形式的前兆，這種前兆可以分為有聲和無聲2 種不同的形式。主要表現(xiàn)為煤礦井下壓力增大、煤礦巖層脫落。根據(jù)測量得到的瓦斯?jié)舛?、溫度、壓力等?shù)據(jù)，能夠計算瓦斯事故前的數(shù)據(jù)，從而對災(zāi)害做出預(yù)警。

2.3 基于大數(shù)據(jù)的礦井水害預(yù)警模型

礦井水害屬于地質(zhì)災(zāi)害，是因為煤礦井下的煤層被挖掘后導(dǎo)致地質(zhì)結(jié)構(gòu)發(fā)生變化，水的流動受到影響，從而出現(xiàn)的一種災(zāi)害性事故。煤礦井下水災(zāi)害發(fā)生時，井下會出現(xiàn)不正常的狀況。根據(jù)災(zāi)害前的數(shù)據(jù)監(jiān)測，對未來可能出現(xiàn)的水災(zāi)進行預(yù)測。

在煤礦井下，水害發(fā)生前會發(fā)生掛紅、掛汗，即煤礦井下壁周圍出現(xiàn)紅銹和水蒸氣的現(xiàn)象。煤礦井下的有害氣體也會增加，煤層發(fā)潮發(fā)暗、底板鼓起等現(xiàn)象。對于空氣濕度、水壓等參數(shù)都可以用大數(shù)據(jù)技術(shù)處理，與之前進行對比，可以作為災(zāi)害預(yù)警的判斷依據(jù)，從而建立預(yù)警模型，煤礦井下水害預(yù)警模型如圖1 所示。

圖1 煤礦水害發(fā)生的預(yù)警模型

2.4 基于大數(shù)據(jù)的礦井火災(zāi)預(yù)警模型

煤礦井下的水災(zāi)也是一種災(zāi)害，這種災(zāi)害對于設(shè)備和人員都會造成巨大的破壞。嚴(yán)重的時候?qū)е碌V場停產(chǎn)，引發(fā)瓦斯爆炸，造成人員傷亡。在火災(zāi)發(fā)生前，會有一定的預(yù)警信號，能夠抓住這些信號和數(shù)據(jù)，可以獲得礦井火災(zāi)的預(yù)警。大數(shù)據(jù)能夠分析的火災(zāi)數(shù)據(jù)包括各種可燃氣體的含量。煤礦井下的可燃氣體達到一定的含量時，在遇到明火的情況下，非常容易發(fā)生火災(zāi)。有效的數(shù)據(jù)包括C2H4濃度、O2濃度、C2H2濃度、CO 濃度、氣味、電機溫度等，對這些重要的數(shù)據(jù)進行大數(shù)據(jù)的分析處理，能夠?qū)γ旱V井下的突發(fā)情況做出及時可靠的預(yù)警。

2.5 基于大數(shù)據(jù)的礦井頂板災(zāi)害預(yù)警模型

礦井頂板事故是井巷掘進、回采過程中的多發(fā)性事故。頂板事故會導(dǎo)致人員傷亡和煤礦企業(yè)嚴(yán)重的經(jīng)濟損失。借鑒以往的數(shù)據(jù)可知，礦井頂板事故的發(fā)生伴隨著很大的規(guī)律。頂板出現(xiàn)時，裂縫、漏頂、掉渣等現(xiàn)象都會發(fā)生。利用大數(shù)據(jù)對這些正在發(fā)生或者可能發(fā)生的情況進行分析，對超過設(shè)定標(biāo)準(zhǔn)的參數(shù)做出預(yù)警。建立大數(shù)據(jù)頂板災(zāi)害預(yù)警模型，模型如圖2 所示。

圖2 煤礦頂板災(zāi)害發(fā)生的預(yù)警模型

3 數(shù)據(jù)分析及礦井災(zāi)害預(yù)警步驟

3.1 Apriori 關(guān)聯(lián)算法

當(dāng)某個事情發(fā)生的數(shù)據(jù)量足夠多，這些數(shù)據(jù)就可以與事件發(fā)生建立一種聯(lián)系，當(dāng)數(shù)據(jù)出現(xiàn)時，這種聯(lián)系的概率增大，大數(shù)據(jù)就可以以此做出判斷。某種關(guān)聯(lián)或相關(guān)關(guān)系的數(shù)據(jù)能夠使用Apriori 關(guān)聯(lián)算法建立聯(lián)系，從而做出判斷。

Apriori 算法是一種重要的數(shù)據(jù)挖掘，能夠?qū)Υ髷?shù)據(jù)建立關(guān)聯(lián)，利用最小置信區(qū)間進行篩選。篩選過程遵循“逐層搜索，層層淘汰”迭代方式，能夠找到最強的關(guān)聯(lián)。各項目的支持度與置信度的算法定義如下[4-5]：

式中：support為支持度；confidencd為置信度；A、B為項集；P為關(guān)聯(lián)函數(shù)。

Apriori 算法的基本思想是對所有可能出現(xiàn)的項目進行統(tǒng)計，找出不小于最小支撐項，然后循環(huán)處理，直到找不出最大項為止。

3.2 Apriori 在災(zāi)害預(yù)警中的實現(xiàn)

對某礦井的不同參數(shù)進行測試，總計監(jiān)測4 次，統(tǒng)計結(jié)果如表1 所示。統(tǒng)計的都是礦井下變量參數(shù)，分別是瓦斯?jié)舛取L(fēng)量、氧氣濃度、風(fēng)壓及溫度。

表1 監(jiān)測結(jié)果

1）算法第1 次迭代，對每個項出現(xiàn)的次數(shù)統(tǒng)計，每個項屬于集合C1，設(shè)minsupport＝2，確定集合L1。

2）對L1 進行處理，使其相乘，得項集集合C2。對L2 交叉相乘L2，得項集集合C3。C2 和C3 分別具有最小支持度的項集組成L2 和L3。

3.3 礦井災(zāi)害預(yù)警步驟

煤礦井下災(zāi)害分析的關(guān)鍵問題在于獲取最初數(shù)據(jù)，最初數(shù)據(jù)和煤礦井下災(zāi)害的發(fā)生建立某種聯(lián)系，通過建立的這種聯(lián)系對可能再次發(fā)生的災(zāi)害進行預(yù)測。為此，數(shù)據(jù)挖掘算法在礦井災(zāi)害預(yù)警中的步驟需要獲取有效數(shù)據(jù)，然后依據(jù)步驟對可能的災(zāi)害做出預(yù)警。預(yù)警步驟分為5 步，如下所示：

1）設(shè)置煤礦井下傳感器，獲得井下環(huán)境數(shù)據(jù)。

2）將所收集數(shù)據(jù)通過計算機分類整理，處理完成的數(shù)據(jù)傳輸?shù)椒?wù)終端。

3）由大數(shù)據(jù)處理分析監(jiān)測數(shù)據(jù)和煤礦井下目前的安全狀況。

4）將煤礦井下安全信息反饋至計算機服務(wù)器，不同關(guān)鍵崗位的預(yù)警信息由管理人員發(fā)送。

5）數(shù)據(jù)接收后，針對存在的隱患問題進行整改，消除煤礦安全隱患。

4 煤礦災(zāi)害風(fēng)險預(yù)警模型在A 企業(yè)的應(yīng)用

為了驗證所設(shè)計的數(shù)據(jù)挖掘算法在煤礦井下災(zāi)害預(yù)警的應(yīng)用，采用A 企業(yè)進行檢驗。將煤礦井下傳感器檢測的水壓、流量、水溫等重要參數(shù)進行監(jiān)控，對檢測的數(shù)據(jù)實時顯示。當(dāng)檢測數(shù)據(jù)超過安全范圍，系統(tǒng)開啟自動報警和語音播報功能。同時，災(zāi)害預(yù)警模型能夠生成和繪制水文曲線，附帶其他功能，包括導(dǎo)航查詢、監(jiān)測記錄、報警記錄和歷史曲線模塊。

圖3 災(zāi)害危險源在線檢測系統(tǒng)

4.1 火災(zāi)預(yù)警系統(tǒng)功能與實現(xiàn)

火災(zāi)預(yù)警系統(tǒng)功能是集實時數(shù)據(jù)采集、數(shù)據(jù)分析、數(shù)據(jù)存儲及數(shù)據(jù)發(fā)布。危險預(yù)警系統(tǒng)如圖4 所示，該火災(zāi)預(yù)警系統(tǒng)主要采集C2H4濃度、O2濃度、C2H2濃度、CO 濃度，并實現(xiàn)遠程監(jiān)控。對礦井中的氣體和危險物的含量進行實時監(jiān)測，監(jiān)測結(jié)果可以生成圖形，方便查詢和打印。

圖4 火災(zāi)危險源實時監(jiān)測功能

4.2 應(yīng)用效益分析

將數(shù)據(jù)挖掘算法應(yīng)用到A 企業(yè)的安全風(fēng)險預(yù)警，能夠?qū)?zāi)害及時做出預(yù)警。降低了煤礦災(zāi)害的發(fā)生，水、火、瓦斯、頂板等威脅得以有效解除，瓦斯超限頻率顯著降低，如表2 所示。

表2 A 公司至年度瓦斯超限情況

5 結(jié)束語

建立一種數(shù)據(jù)挖掘算法災(zāi)害預(yù)警模型，將大數(shù)據(jù)技術(shù)與瓦斯泄露、礦井水火災(zāi)、礦井頂板災(zāi)害等危險預(yù)防結(jié)合，提高煤礦井下安全水平。在預(yù)警系統(tǒng)中，引入大數(shù)據(jù)概念，結(jié)合礦井可能存在的危害，進行報警處理。采用Apriori 算法分析不同因素之間的聯(lián)系，建立一定的規(guī)則，作為預(yù)警的判斷依據(jù)，從而做出煤礦井下災(zāi)害預(yù)警，保證煤礦企業(yè)安全生產(chǎn)和工人生命安全。